EY、エンタープライズAIコスト抑制へ新部門を計画
EYは、増大する人工知能コストの抑制を企業に支援する専任部門を計画していると報じられ、google news入りを果たした。この動きには明確な矛盾がある。企業は、完了したタスクごとに何がどれだけ消費されるかを確実に測る手段を持たないまま、より自律的なAIシステムを求めている。
Bloombergは2026年8月11日、この計画中の部門について報じた。名称、責任者、人員体制、立ち上げ時期に関する公開情報は依然として限られている。EYは、この報道のすべての要素を独自に確認できる詳細な発表を公表していない。
ただし、この方向性はEYが7月に発表したフレームワークと一致する。同フレームワークは、企業にはエージェント関連支出について責任を負う単一のオーナーと、制御不能なワークフローを止めるための制限が必要だと主張している。
これは、話題のテクノロジーに付随する新たなコンサルティングサービスにとどまらない。EYは、モデル価格の低下が自動的にエンタープライズAIを手頃なものにするという前提に異議を唱えている。
EYが主な相手としているのは、責任の分散だ。エンジニアリングチームはトークンを監視し、クラウドチームはインフラを管理し、リスク担当者は統制を追跡し、事業リーダーはプロジェクトを承認する。全体の請求額を把握し、それを完了した成果と比較する者が必ずしもいるわけではない。
競合他社はすでにこの機会を認識している。HarnessとFlexeraは2026年中に、AI利用量をクラウドコスト、事業部門、エージェント、成果と結び付ける製品を発表した。EYは、ガバナンス、投資判断、運用設計を通じて同じ問題に取り組んでいる。
その結果、活動量で測るAI導入と、価値で測るAI投資の間で競争が生まれている。ユーザー数、プロンプト数、エージェント数、トークン数の増加は導入を示せる。しかし、それだけではシステムが収益、品質、スピード、リスクを改善しているとは証明できない。
EYのGoogle News報道が実際に変えるもの
EYは、AIコスト管理を単発のコンサルティング業務から、組織内で明確に責任を負う独立領域へ移そうとしていると報じられている。
google newsの見出しは、EYが人工知能関連の支出を抑制するための部門を立ち上げると伝えている。Bloombergの元報道はこの出来事のきっかけを示しているが、公開情報には依然として完全な運用設計図がない。
この隔たりは重要だ。専任部門は複数の異なる組織形態を取り得る。社内チーム、顧客向けアドバイザリー部門、あるいは財務、テクノロジー、リスクの専門家を組み合わせたより広範なサービスである可能性がある。
EYが詳細を公表するまでは、読者は正確な組織構造を十分に文書化された事実ではなく、報道に基づく情報として扱うべきだ。基礎となる戦略は、エージェント経済性に関するEYの最近の取り組みを通じて、より確認しやすい。
EYの7月のレポート、agentic valueは、Head of Agent EconomicsまたはAgent FinOps Leadの任命を推奨している。FinOpsは、テクノロジー支出をエンジニアリング上の意思決定や事業価値と結び付ける管理規律である。
この役員候補は、複数の予算にまたがるモデル利用、コスト漏れ、価値実現を監督することになる。EYはさらに、エージェント、ワークフロー、事業部門の各レベルで、支出上限、呼び出し回数の上限、自動停止を推奨している。
これらの統制は、特定のアーキテクチャ上の変化に対応するものだ。従来のチャットボットは通常、リクエストを受け取り、回答を返す。AIエージェントは、計画を立て、文書を取得し、ソフトウェアを呼び出し、サブエージェントに相談し、失敗したステップを再試行し、出力を改善できる。
追加のアクションは一つひとつリソースを消費する。最終的な応答は単純に見えても、その背後の経路には多数のモデル呼び出しやツール操作が含まれている場合がある。
EYによれば、総コストはトークンやアプリケーション・プログラミング・インターフェースの呼び出しにとどまらない。ソフトウェアのサブスクリプション、プラットフォームのインフラ、ガバナンス、組織変更、障害復旧、規制上の義務が発生する可能性も含まれる。
この広い定義が、報じられた部門の戦略的な目的を生み出す。財務、テクノロジー、法務、人事、各事業部門にまたがる支出をEYが検討するための枠組みとなる。
この動きは、EYのより広範なAI事業拡大ともつながっている。EYとMicrosoftは5月、顧客プロジェクトをパイロット段階からより大規模な導入へ移行させる共同イニシアチブを発表した。両社は、当初の重点領域に財務、税務、人事、サプライチェーンを含めると述べた。
規模拡大はコスト規律の必要性を生む。小規模なパイロットは、手作業による監督や不明確な会計を許容できる。数千人の従業員や顧客にサービスを提供する本番システムは、同じ前提には依存できない。
したがって、EYの報じられた部門は、AI実験から運用上の説明責任への移行を示している。重要な変化は、新たなダッシュボードではない。自律型ソフトウェアの経済性について、誰かに責任を持たせようとする試みだ。
Agentic AIがコスト管理を難しくする理由
中心的なコスト問題は、単にモデルが高価であることではなく、挙動が変動することにある。
従来のエンタープライズソフトウェアでは、ライセンス、シート数、容量契約がよく使われる。こうした取り決めも完全ではないが、財務チームは通常、なじみのある入力値を使って予測できる。
Agenticシステムは異なる挙動を示す。その消費量は、タスク、選択したモデル、コンテキストのサイズ、ツール数、再試行の挙動、停止条件に依存する。一見似た二つのリクエストでも、異なる実行経路を生む可能性がある。
この変動性は、平均的なモデル呼び出しを基にした予算見積もりを弱める。モデルの請求書は目に見える消費を捉えるが、オーケストレーションと運用支援は別の場所に現れることがある。
EYのフレームワークは、エージェントの総コストを7つのカテゴリーに分けている。目に見えるカテゴリーにはトークン、サブスクリプション、インフラが含まれる。見えにくいカテゴリーには、ガバナンス、人員の変化、障害、規制コストが発生する可能性が含まれる。
これらのカテゴリーは、多くの場合、異なる役員の管轄に属する。テクノロジー責任者はモデル利用を把握していても、リスクチームが評価や統制の費用を負担する場合がある。人事部門は研修費を支払い、運用部門は是正作業を引き受ける可能性がある。
この分断により、一見効率的なエージェントが実際より安価に見える。また、組織が監督費用や復旧費用を除外すれば、人間の業務との比較も信頼できなくなる。
トークン当たりのコストでは、この会計上の問題を解決できない。トークンはモデルが処理したテキストの単位を測るが、エージェントが有用なタスクを完了したかどうかは示さない。
より少ないトークンを使うエージェントでも、失敗頻度が高い可能性がある。別のエージェントはより多くのリソースを消費しても、エスカレーションなしに価値ある案件を解決できるかもしれない。企業には、技術的な消費データと成果データの両方が必要だ。
Harnessは5月、cost per outcome機能を発表した際、この主張を具体化した。同社のシステムは、支出をエージェント、セッション、実行、ステップ、事業成果に帰属させる。
この製品は、エージェントが不要なツールチェーンに繰り返し入ることで高コスト化する会話を特定できる。これにより、財務上の異常が、エンジニアが調査できるソフトウェア上の問題へと変わる。
Flexeraは、より広範なインフラの視点を採った。同社が6月に発表したAI cost managementは、アプリケーション、エージェント、モデル、データプラットフォーム、コンピュートにまたがる消費を結び付ける。
これらの発表は、AIコスト管理が単なるコンサルティングの話題ではなく、製品カテゴリーになりつつあることを示している。同時に、EYが直面する課題も浮き彫りにしている。
ソフトウェアプラットフォームは、テレメトリーを継続的に収集できる。テレメトリーとは、システムが実行中にどのように振る舞うかを示す運用データである。EYは、組織設計がこうしたダッシュボードを超えてなぜ価値を加えるのかを示さなければならない。
最も有力な答えは、測定だけでは説明責任が生まれないという点だ。ダッシュボードはエージェントのリソース消費増加を示せるが、その成果がコストを正当化したかどうかは判断できない。
その判断には、事業オーナー、合意された価値指標、利用を削減または停止する権限が必要となる。また、エージェントが取得した情報や試行したアクションについて、明確な記録も必要だ。
AIワークフローを運用するチームには、追跡可能なソース資料が必要となる。検索可能なナレッジベースは、エンジニアが高コストまたは失敗した実行を形作ったコンテキストを調査する助けになる。
EYの機会は、財務と技術の層の間にある。報じられた部門が成功すれば、消費量の統制を資本配分、リスク許容度、運用成果と結び付けることになる。
真の相手は責任の分散
EYは、制御不能なAI支出が主として責任の所在に関する失敗だと見ている。
企業が人工知能を単一の明確な経路で購入することはめったにない。従業員はバンドルされたアシスタントを使い、チームはモデルへの直接アクセスを購入し、開発者はクラウドプロバイダーを通じてマネージドサービスを消費する。
エージェントは、外部検索、データベース、コーディングツール、業務アプリケーションも呼び出せる。依存先ごとに、利用記録と予算オーナーが別々になっている可能性がある。
財務部門が請求書を見るのは、消費が発生した後だ。エンジニアリングは完全なビジネスコンテキストなしに技術的なトレースを見る。セキュリティチームと法務チームが関与するのは、システムが機密データを扱うか、インシデントを引き起こした場合に限られることもある。
この構図は、初期のクラウド導入ではうまく機能しなかった。チームは迅速にリソースをプロビジョニングできた一方、支出統制と配賦の慣行は後から導入された。
FinOpsは、共有された消費データを軸に財務、エンジニアリング、プロダクトチームを結び付けるために生まれた。AIは、ワークロードの予測可能性が低く、ユーザー行動との結び付きがより強いため、この課題をさらに拡大している。
EYが提案するHead of Agent Economicsは、一人の役員の下に責任を集約する。この人物はエンジニアリング、財務、リスクの各リーダーに取って代わるものではない。この役割は、それぞれの意思決定に共通の経済的枠組みを与える。
提案されたモデルは、ユニットエコノミクスに依存している。ユニットエコノミクスは、解決済み案件や完了したワークフローのような、一つの有用な単位に関連するコストと価値を測定する。
その単位を選ぶのは難しい。社内向けのリサーチエージェントは、従業員の時間を節約し、意思決定の質を改善し、見落としを減らす可能性がある。こうした利点は、一つの財務指標にきれいには収まらない。
カスタマーサービスは、より明確な例を提供する。企業は、エージェントの総コストを、解決した問い合わせ件数、エスカレーション率、顧客満足度、訂正作業と比較できる。
ソフトウェア開発はより難しい。エージェントは迅速にコードを生成しても、後から発生するレビュー、セキュリティ、保守上の義務を生み出す可能性がある。
ここで、中央集約されたオーナーが有用になり得る。このオーナーは、各エージェントに導入前の成果指標と、立ち上げ後の停止ルールを持たせることができる。
停止ルールは、支出、エラー、呼び出し回数が承認済みの境界を超えた際に、システムを停止させなければならない条件を定める。これにより、自律的なループが、誰かがより大きな請求額に気付くまで継続するのを防ぐ。
もっとも、中央集約には独自のリスクもある。新たな役員職が、技術的な可視性を改善しないまま、承認層をもう一つ増やす可能性がある。また、品質を過小評価しつつ、測定しやすいコストへ注意を偏らせることもある。
EYは、エージェント経済性を予算削減のための組織に変えてはならない。EY自身のフレームワークは、単に消費を最小化するのではなく、測定可能な価値へ支出を向けるべきだとしている。
この区別はモデル選定に影響する。能力の低いモデルは推論消費を抑えられる一方で、失敗、再試行、人間によるレビューを増やす可能性がある。安価なモデル呼び出しが、完了したタスク全体ではより高コストになることもある。
同じ緊張関係はリトリーバルにも当てはまる。コンテキストを短くすれば処理量を減らせるが、根拠が欠けることで回答の質が下がる可能性がある。コンテキストを長くすればカバレッジは改善できる一方、消費量とレイテンシーは増加する。
したがって、エージェントのコスト管理には上限設定以上のものが必要だ。成功、失敗、そして介入がもたらす結果を測定する評価システムが求められる。
責任の所在が分断されていることは、依然として最大の障害だ。あらゆる最適化は別の場所でトレードオフを生むためである。単一の責任を負う機能があれば、チーム間で予算コストが付け替えられる前に、そのトレードオフを可視化できる。
コスト管理の売り文句が証明していないこと
新しい組織は、コスト削減、正確な配賦、またはより良いAI成果を保証できない。
Bloombergの見出しによってEYの報道された計画はgoogle newsに掲載されたが、公開されている証拠には未解決の疑問がいくつも残る。EYは、この組織の顧客リスト、成果目標、ガバナンス上の権限を明らかにしていない。
このグループが独自ソフトウェアを展開するのか、サードパーティーのプラットフォームを統合するのか、あるいはアドバイザリーサービスに注力するのかも不明だ。これらの選択は、EYがワークフローを制御できるほど深く観測できるかどうかを左右する。
請求データだけでは不完全な全体像しか得られない。効果的な配賦には、モデル呼び出しをユーザー、エージェント、セッション、ツール、製品、完了した成果と結び付ける識別子が必要となる。
組織がこうした識別子を常に一貫して収集しているとは限らない。古いアプリケーションではリクエストがまとめられている場合があり、外部プロバイダーは異なる請求形式やテレメトリー形式を提供することがある。
成果測定には別の問題もある。経営層の注目を集める指標がシステム価値の一部しか表していなくても、チームはその指標を最適化する可能性がある。
完了チケット数で評価されるエージェントは、ケースを過度に積極的にクローズするかもしれない。生成されたアウトプットで測定されるコーディング支援ツールは、不必要な変更を促す恐れがある。速度で評価されるリサーチツールは、重要な根拠を省く可能性がある。
この報道された組織は、すでにコスト管理ベンダーが存在する市場にも参入する。Harnessはすでに、クラウドとAIの配賦、ガバナンス、異常検知、詳細なワークフローデータを組み合わせている。
Flexeraは、自社プラットフォームがモデル、アプリケーション、データ、コンピュートにまたがるとしている。クラウドプロバイダーやモデルゲートウェイも、別個のアドバイザリー層の必要性を減らすネイティブコントロールを追加できる。
EYの強みは、財務、オペレーション、リスク、そして経営層の意思決定者にアクセスできることだ。弱みは、コンサルティングの提言が実際の技術的挙動から乖離し得る点にある。
同社は、報告書やワークショップが終わった後にも自社のフレームワークが導入内容を変えることを証明しなければならない。有用な証拠としては、制御されていないループの減少、成果配賦の強化、成果の弱いプロジェクトの迅速な停止などが挙げられる。
EY自身の分析は、2027年末までにエージェント型AIプロジェクトの40％超が中止されるというGartnerの予測を引用している。Gartnerは、予想される中止の理由として、コスト上昇、不明確な価値、不十分なリスク管理を挙げている。
エージェント型AIプロジェクト中止の予測は、EYの問題意識の緊急性を裏付ける。ただし、経済性を一元管理する組織がこうした失敗を防ぐことを証明するものではない。
企業は中止を失敗と取り違えることもある。展開範囲を広げる前に弱いエージェントを止めることは、成功したガバナンスと規律ある投資を意味し得る。
別の不確実性はプロバイダーの価格設定に関わる。モデルコストは下がる一方で、エージェントがより多くのステップを実行し、より多くのユーザーに届くことで、ワークフロー全体の消費量は増える可能性がある。
企業は、より単純なタスクを小規模なモデルに振り分けることで対応するかもしれない。評価によって品質が許容範囲にとどまることが確認されれば、これは経済性を改善できる。
人間による監督もコストモデルに含めなければならない。レビュー前には安価に見えるエージェントでも、専門家が出力を検証し、誤りを修正する段階で高コスト化する可能性がある。
リスクコストはさらに予測が難しい。大半の日はインシデントなく過ぎるかもしれないが、プライバシー、セキュリティ、コンプライアンスの失敗が一件起きるだけで、大規模な是正作業が発生する。
EYの提案には、これらのコストが分散しているという点で説得力がある。その有効性が未検証なのは、同社がこの報道された組織からの測定可能な結果をまだ公表していないためだ。
Google Newsの読者が次に注目すべきこと
EYが実際の運用モデルを構築したのか、それとも新たなアドバイザリー名称にすぎないのかを示す3つのシグナルがある。
第一のシグナルは、EYによる詳細な発表だ。そこでは組織の責任者、対象範囲、人員配置、技術的能力、既存のEY業務との関係を明らかにする必要がある。
公開フレームワークでは、この組織がEY社内向けにサービスを提供するのか、顧客に助言するのか、あるいはその両方を担うのかも説明されるべきだ。この違いは、読者が期待すべき証拠に影響する。
社内利用であれば、EYは自社のAIシステム全体でコントロールを検証する機会を得られる。顧客向け業務であれば、異なるクラウド、モデル、業務プロセスを横断して機能する再現可能な手法が必要になる。
明確な権限があれば、説得力は増す。支出上限を推奨できる組織よりも、しきい値を強制したり成果指標を求めたりできる組織の方が影響力は大きい。
沈黙や曖昧なブランディングは、Bloomberg報道の解釈を弱める。それは、この構想がgoogle newsの見出しが示唆するよりも初期段階にあることを示すだろう。
第二のシグナルは、ワークフローレベルの証拠だ。EYは、顧客が総消費量を完了したビジネス成果とどのように結び付けるのかを示すべきである。
有用な例としては、顧客サポート、ソフトウェア開発、財務、サプライチェーン業務などが挙げられる。各例には、技術的な利用状況、人間による監督、失敗、選択された価値指標を含める必要がある。
読者は、コントロール導入前後の比較を探すべきだ。最も信頼できる結果は、支出削減が品質、レイテンシー、エスカレーション率を変えたかどうかを開示するだろう。
定義されたベースラインがなければ、削減率に関する主張は慎重に扱うべきだ。システムはモデル消費量を減らしながら、従業員や別のソフトウェアに作業を移すことがある。
成功した成果あたりの総コストが低下したという証拠は、EYの主張を強める。成果データを伴わないトークン削減は、その主張を弱める。
第三のシグナルは競合の反応だ。Harness、Flexera、クラウドプロバイダー、モデルゲートウェイ、オブザーバビリティベンダーは、重複する機能を構築している。
パートナーシップは、EYが技術コンポーネントをすべて自ら構築することなく、詳細なテレメトリーを取得する助けになり得る。また、同社の差別化要因がガバナンスと運用設計にあることを示す可能性もある。
競争はEYに対し、コンサルティングがどこで終わり、ソフトウェアがどこから始まるのかの説明を迫るかもしれない。購入者は、誰がデータを所有し、コントロールを設定し、エージェントが上限を超えた際に対応するのかを知る必要がある。
より大きな市場は、Head of Agent Economicsが持続的な役職になるかどうかも試すことになる。広範な任命が行われれば、AIには独立した財務上の責任体制が必要だというEYの主張を裏付けることになる。
より弱い結果としては、既存のFinOps、財務、またはテクノロジー部門のリーダーがその責任を吸収することが考えられる。それによって問題がなくなるわけではないが、新しい組織カテゴリーの必要性は低下する。
開発者にとって、当面の教訓は明快だ。エージェントを拡大する前に計測を組み込み、ツール呼び出しと再試行を記録し、各実行を成果に結び付けるべきである。
エンタープライズの購入者は、利用状況ダッシュボード以上のものを求めるべきだ。必要なのは、配賦ルール、停止コントロール、評価データ、失敗に対する明確な責任所在である。
ナレッジワーカーは、どのAIタスクが測定可能な価値を生むのかを組織が精査するようになると予想すべきだ。高い活動量だけでは、継続的な支出を正当化する根拠として弱くなる。
EYがgoogle newsに登場したことは、エンタープライズAIにおけるより広範な変化を捉えている。導入はもはや唯一の見出し指標ではない。企業はますます、自社のエージェントが何を生み出すのか、失敗に何のコストがかかるのか、そして誰がそれを止められるのかを説明する必要に迫られている。
この報道された組織は、その責任をAI戦略の中心近くに置くため、注目に値する。ただし、まだ勝利を祝う段階ではない。
今後3か月間は、EYの正式な組織構造、ワークフローレベルの証拠、競争上のパートナーシップに注目してほしい。これらのシグナルは、エージェント経済性が運用上の規律となるのか、それとも魅力的な名称のままにとどまるのかを示すだろう。
あなたの組織がすでにAIエージェントを運用しているなら、ひとつ直接的な問いを投げかけてほしい。成功したタスクの総コストを説明し、その算出根拠を擁護できるのは誰か。誰も答えられないなら、コントロールの問題はすでに到来している。
